# Data-Centric Foundation Models in Computational Healthcare: A Survey

### 저자

Yunkun Zhang, Jin Gao, Zheling Tan, Lingfeng Zhou, Kexin Ding, Mu Zhou, Shaoting Zhang, Dequan Wang

### 💡 개요

본 논문은 계산 의료 분야에서 데이터 중심적 접근 방식이 어떻게 파운데이션 모델(FM)의 발전을 이끌고 있는지 탐구합니다. 고품질의 임상 데이터를 확보하고 처리하는 데 있어 직면한 어려움들을 제시하며, 모델 사전 훈련부터 추론까지 데이터 중심 접근법들이 의료 워크플로우 개선에 미치는 영향을 논의합니다. 또한 AI 보안, 평가, 그리고 인간 가치와의 정렬에 대한 핵심 관점을 제시하며, 환자 결과 개선과 임상 워크플로우 향상에 대한 유망한 전망을 제공합니다.

### 🔑 시사점 및 한계

- 파운데이션 모델의 등장으로 데이터 중심 AI 패러다임이 의료 분야에 중요한 기회를 제공합니다.

- 의료 분야에서 고품질 임상 데이터 확보의 어려움(양, 주석, 개인 정보 보호, 윤리)은 데이터 중심적 개선을 필요로 합니다.

- AI 보안, 평가, 인간 가치와의 정렬은 의료 파운데이션 모델 개발 및 적용에 있어 필수적인 고려 사항입니다.

- 현재까지 제시된 다양한 데이터 중심 접근법들이 의료 워크플로우를 개선할 잠재력을 가지고 있지만, 실제 임상 적용 및 일반화를 위한 추가적인 연구와 검증이 필요합니다.

[PDF 보기](https://arxiv.org/pdf/2401.02458)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).